← أحدث الأبحاث
💻 computer science

Bridging Language and Spherical Space: Object-Centric Control for Text-to-Panorama Generation

تقدم الورقة البحثية PanoCtrl، وهو إطار عمل متمحور حول الكائنات يربط بين اللغة الطبيعية والمساحة البانورامية الكروية عبر تحويل النص إلى شروط كروية مهيكلة على مستوى الكائنات من خلال محلل ووحدة تحكم، مما يتيح توليد صور بانورامية من النصوص بأحدث التقنيات القابلة للتحكم مع محاذاة مكانية دقيقة.

المؤلفون الأصليون: Derui Li, Qian Qiao, Yuhao Sun, Wenhao Guo, Peng Lu

نُشر 2026-08-24
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Derui Li, Qian Qiao, Yuhao Sun, Wenhao Guo, Peng Lu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تقف في منتصف غرفة وتدور ببطء في دائرة، لتستوعب المشهد في كل اتجاه في آن واحد. هذه هي تجربة الصورة البانورامية، وهو تنسيق يلتقط عالماً كاملاً بزاوية ثلاثمائة وستين درجة حول نقطة واحدة. وخلافاً للصورة الفوتوغرافية القياسية، التي تجمد شريحة واحدة من المشهد، تقوم الصورة البانورامية بلف البيئة بأكملها في حلقة واحدة مستمرة. لعقود من الزمن، تطلب إنشاء هذه الصور كاميرا وموقعاً حقيقياً، لكن التطورات الأخيرة في الذكاء الاصطناعي سمحت للحواسيب بتوليدها من أوصاف نصية بسيطة. ومع ذلك، لا تزال هناك عقبة كبيرة قائمة: فبينما أصبحت الحواسيب بارعة في رسم الصور من الكلمات، إلا أنها تواجه صعوبة في فهم أين يجب أن توضع الأشياء في دائرة. فإذا طلبت من الحاسوب رسم كرسي على اليسار ومصباح على اليمين، فإنه غالباً ما يضعهما في المواقع الخاطئة أو يتجاهل الاتجاهات تماماً، لأن الطريقة التي يصف بها البشر المساحة في دائرة لا تتطابق مع الطريقة التي تعالج بها الحواسيب الصور المسطحة.

لقد طور باحثون في جامعة بكين للاتصالات في بيجينج نظاماً جديداً يسمى PanoCtrl لحل هذه المشكلة تحديداً. يركز عملهم على سد الفجوة بين اللغة الطبيعية التي نستخدمها لوصف الاتجاهات وبين الهندسة الكروية المطلوبة لبناء صورة بزاوية 360 درجة. أدرك الفريق أن الأساليب الحالية، التي تعمل بشكل جيد مع الصور المسطحة القياسية، تفشل عند تطبيقها على الصور البانورامية لأنها لا تأخذ في الاعتبار الطريقة الفريدة التي تلتف بها الاتجاهات حول المشاهد. ولإصلاح ذلك، أنشأوا إطار عمل يعامل عملية التوليد ليس ككتلة واحدة ضبابية من البكسلات، بل كمجموعة من الأجسام المحددة، لكل منها موقع وحجم محدد داخل الكرة. ومن خلال تعليم الحاسوب كيفية تحديد ماهية الأجسام المذكورة ومكان وجودها في الدائرة بدقة أولاً، يمكنهم بعد ذلك توجيه عملية إنشاء الصورة لوضع تلك العناصر بدقة عالية.

يتضمن جوهر حلهم خطوتين رئيسيتين تحدثان بالتتابع. أولاً، يقرأ النظام النص الوصفي ويقوم بتفكيكه إلى قائمة مهيكلة من الأجسام، فلا يحدد ماهية الجسم فحسب، بل يحدد أيضاً موقعه وحجمه الدقيق في مساحة الـ 360 درجة. على سبيل المثال، إذا قال النص "نافذة على يساري"، فإن النظام يترجم هذا إلى إحداثيات محددة ومجال رؤية، مما يرسم فعلياً خريطة غير مرئية لمكان ظهور النافذة. هذه الخطوة حاسمة لأنها تحول الاتجاهات البشرية الغامضة إلى تعليمات مكانية ملموسة يمكن للحاسوب اتباعها. وبمجرد إنشاء هذه الخريطة، تستخدم الخطوة الثانية هذه التعليمات لتوجيه عملية الرسم الفعلية؛ حيث يقوم النظام بحقن هذه التعليمات مباشرة في مولد الصور، مما يضمن أنه أثناء بناء الحاسوب للصورة، يعرف بالضبط أين يضع النافذة أو الكرسي أو المصباح. يسمح هذا النهج المزدوج للحاسوب بالحفاظ على المظهر العام والملمس لغرفة واقعية مع الالتزام الصارم بالأوامر الاتجاهية المعطاة في النص.

لتدريب هذا النظام الجديد، اضطر الباحثون إلى إنشاء مجموعة بيانات جديدة ضخمة لأنه لم تكن هناك أي مجموعة موجودة من الصور البانورامية تتضمن المعلومات الاتجاهية التفصيلية على مستوى الأجسام التي يحتاجونها. لقد بنوا مجموعة بيانات تسمى PanoGround، تحتوي على آلاف الصور البانورامية المقترنة بأوصاف تحدد بدقة مكان وجود كل جسم بالنسبة للمشاهد. تعمل مجموعة البيانات هذه كأرضية للتدريب، مما يسمح للحاسوب بتعلم العلاقة بين كلمات مثل "أمام"، "خلف"، "يسار"، و"يمين" ومواقعها الفعلية في صورة كروية. وبدون هذه البيانات المحددة، لن يكون لدى النظام طريقة لتعلم القواعد المعقدة للمساحة الكروية، حيث أن مجموعات بيانات الصور القياسية لا توفر هذا المستوى من التفاصيل الاتجاهية.

عندما اختبر الباحثون طريقتهم الجديدة مقابل التقنيات الموجودة، أظهرت النتائج تحسناً واضحاً في الدقة. في تجاربهم، نجح النظام الجديد في وضع الأجسام في الاتجاهات الصحيحة بنسبة تقارب تسعة وتسعين بالمائة، وهي قفزة كبيرة عن أداء الأساليب الرائدة الأخرى، التي غالباً ما كانت تقل عن خمسة وثمانين بالمائة. علاوة على ذلك، قلل النظام من الخطأ في وضع الأجسام بهامش كبير، مما يعني أن الأجسام ظهرت أقرب بكثير إلى المكان الذي ذكرها فيه النص. وبالإضافة إلى مجرد الحصول على الموقع الصحيح، كانت الصور المنتجة أيضاً ذات جودة أعلى، حيث بدت أكثر واقعية وتماسكاً من تلك التي أنتجتها النماذج السابقة. وتثبت الدراسة أنه من خلال تعليم الحاسوب صراحةً فهم الأجسام ومواقعها الكروية، فمن الممكن إنشاء صور بانورامية تتبع تعليمات المستخدم حقاً، مما يفتح الباب أمام بيئات افتراضية أكثر انغماساً وقابلية للتحكم.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →